Python 熊猫一次热编码中未知分类值的处理

我有一个熊猫数据帧，在这个数据帧上我使用

get\u dummies

方法进行一次热编码

下面是示例代码-

import pandas as pd
X = pd.DataFrame( ['a','a,b','a,c'], columns = ['category'])
X.head()
  category
0        a
1      a,b
2      a,c

下面是我如何做一个热编码

X_transformed = pd.concat([X, X['category'].str.get_dummies(sep=',')], axis=1)
X_transformed.head()
  category  a  b  c
0        a  1  0  0
1      a,b  1  1  0
2      a,c  1  0  1

问题是，当我得到一个具有未知分类值的记录时，我不知道如何最好地处理它-

y = pd.DataFrame(['a','d'], columns = ['category'])
y.head()
  category
0        a
1        d

如果我在这个新的数据帧上再次执行

获取虚拟对象

，那么我会得到如下结果

y_transformed = pd.concat([y, y['category'].str.get_dummies(sep=',')], axis=1)
y_transformed.head()

  category  a  d
0        a  1  0
1        d  0  1

而我的预期产出是

  category  a  b  c
0        a  1  0  0
1        d  0  0  0

因为类别d以前从未出现过，所以我想通过将列

a、b、c

的所有标志设置为0来忽略它

如何在熊猫中实现这一点？

在

轴=1

上使用

填充值=0

：

y_transformed = y_transformed.reindex(X_transformed.columns, axis=1, fill_value=0)

结果:

  category  a  b  c
0        a  1  0  0
1        d  0  0  0

---

谢谢Shubham的回答。它起作用了。我有两个问题-首先-原始列名必须是

X_transformed.columns

列表的一部分？第二，reindex做什么？是的，原始列需要是

X\u transformed

的一部分

reindex

使用可选填充逻辑将数据帧的索引与新索引相一致，在这种情况下，我们使用了

fill\u value=0